我要投稿

好玩！腾讯开源个人肖像生成器PhotoMaker迎来更新

发布日期：2024-08-11 21:25:04 浏览次数： 2147

作者：带你学AI

微信搜一搜，关注“带你学AI”

腾讯的PhotoMaker是一款开源工具，利用堆叠ID技术生成逼真的定制人物照片。它可以根据描述生成符合要求的人物形象，并混合多张人物特征，创造全新人物。PhotoMaker还能改变照片中人物的性别和年龄，生成多种风格的照片，效果自然且快速。Github和Huggingface在文章底部

现有的个性化生成方法难以同时实现高效率、身份保真度和灵活文本控制。PhotoMaker通过将多个输入ID图像编码为堆栈式ID嵌入，保留身份信息，全面封装同一ID的特征，并整合不同ID特征，提供更大灵活性。

此外，PhotoMaker提出了一种面向ID的数据构建管道来组装训练数据，展示了优于测试时微调方法的ID保真能力，同时提供显著的速度改进、高质量生成结果、强大泛化能力和广泛应用。

实现原理

首先从文本编码器和图像编码器获取文本嵌入和图像嵌入，例如结合训练集中的男士头像生成图像嵌入，描述为“一个男士的图像”；结合训练语料生成文本嵌入，描述为“男士带着蓝色帽子”，如“穿着西装，打着领带，翻领上有徽章”。

接着，将所有融合的嵌入沿长度维度连接，形成堆叠ID嵌入，类似于使用Concat融合特征。最后，将堆叠ID嵌入提供给交叉关注层，自适应合并扩散模型中的ID内容。尽管训练时使用掩蔽背景的相同ID图像，但推理时可直接输入不同ID图像，无背景失真，创建新ID，即PhotoMaker具备结合背景独立创新图像的能力。

更新的PhotoMaker V2仍然保持了PhotoMaker V1的生成质量、可编辑性和对任何插件的兼容性。还提供了与ControlNet、T2I-Adapter和IP-Adapter集成的脚本，以提供出色的控制能力。

具体样例

可以通过文字描述捕捉到单个ID的细微特征，然后实现角色重塑。

将艺术品或老照片中的人物带入现实，通过输入艺术画作、雕塑或人物老照片。

PhotoMaker 不仅能够生成逼真的人体照片，而且还允许在保留 ID 属性的同时进行风格化。

通过简单地替换类别词（例如男人和女人），PhotoMaker可以在保持原始身份的同时实现性别和年龄的变化。

如果用户提供不同ID的图像作为输入，PhotoMaker可以很好地融合不同ID的特征以形成一个新的ID。

对于身份混合，PhotoMaker可以通过控制输入图像池中身份图像的百分比或通过提示加权的方法来调整合并率。

与其他方法相比，PhotoMaker 可以同时满足高质量和多样化的生成能力、良好的可编辑性、高推理效率和强大的 ID 保真度。

https://github.com/TencentARC/PhotoMakerhttps://huggingface.co/spaces/TencentARC/PhotoMaker-V2

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-07-18

MinerU | 高精度文档解析工具：从PDF到结构化数据的智能桥梁

2025-07-18

看了这个开源的可以操作手机电脑的Agent框架，感觉AI黑灯办公室也马上出现了。

2025-07-18

00 后天才团队，发布全球首个 A 股金融博弈智能体应用

2025-07-17

基于Dify动态解析异构银行流水：架构拆解→风控报告生成

2025-07-17

亚马逊最新编程智能体Kiro系统提示词揭秘

2025-07-16

Kimi这把 “干翻”了 GPT-4？别闹，它们压根没在一个酒局！

2025-07-16

百度开源了文心4.5，我想说点实话

2025-07-16

微软开源 NLWeb，掘了数万伪AI创业者的坟

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

看大厂PM，如何玩转多个智能体开发平台

2025-06-17

53AI Hub重磅开源！让99%的智能体开发者赚到钱！

2025-06-17

源神降临！阿里 Qwen3 全系发布，免费商用，消费级显卡就能跑！(深度解读 + 实战case)

2025-04-29

Qwen3中性能最强MOE模型部署抛砖引玉 + 实测

2025-04-29

Kimi K2详测，Claude国产平替有了

2025-07-14

阿里Qwen3正式发布：最小6亿参数，叫板Gemini-2.5Pro

2025-04-29

刚刚，DeepSeek开源新版R1，媲美OpenAI最高o3模型

2025-05-29

Kimi K2 详测｜超强代码和Agent 能力！内附Claude Code邪修教程

2025-07-12

豆包电脑版不讲武德降维打击本地部署AI知识库的开源选手

2025-05-12

事实证明千问qwen3小模型才是企业的生产力，他究竟能做什么呢？

2025-05-14

大家都在问

为什么说Dify或许不是最好的选择，但一定是是目前最适合的应用构建平台？

2025-07-16

大模型检索“内卷”时代，BGE凭什么成为终极答案？

2025-07-15

n8n vs. Dify vs. Coze：新一代效率工具，谁是你的菜？

2025-07-13

国内 Agent 赛道最大融资诞生！阿里云为何重注这家“真能干活”的 AI 公司？

2025-07-08

大模型开源，厂商靠什么盈利？

2025-07-04

OpenAI首席研究官没有博士学位，你的985还有用吗？

2025-07-03

卷疯了！这个清华系Agent框架开源后迅速斩获1.9k stars，还要“消灭”Prompt？

2025-06-28

从 MCP 谈起，到底什么才是 AI Native 产品？

2025-06-25

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB